Correzione degli errori quantistici, un problema che può influire pesantemente sullo sviluppo del quantum computing. I ricercatori di Google affermano di aver compiuto una svolta nella correzione degli errori quantistici, un passo che potrebbe spianare la strada a computer quantistici in grado di realizzare finalmente le promesse della tecnologia.
La correzione degli errori è una strategia valida per costruire un computer quantistico efficiente
La nuova ricerca del team Google Quantum AI e dei suoi collaboratori accademici dimostra che è possibile aggiungere componenti per ridurre questi errori. In precedenza, a causa di limitazioni ingegneristiche, l’aggiunta di più componenti al computer quantistico tendeva a introdurre più errori. In definitiva, il lavoro rafforza l’idea che la correzione degli errori sia una strategia valida per costruire un computer quantistico utile. Alcuni critici avevano dubitato che fosse un approccio efficace, secondo il fisico Kenneth Brown della Duke University, che non era coinvolto nella ricerca. “Questa roba della correzione degli errori funziona davvero, e penso che migliorerà solo”, ha scritto Michael Newman, membro del team di Google, su X. Google, che ha pubblicato la ricerca sul server di preprint arXiv ad agosto 2024, ha rifiutato di commentare ufficialmente questa storia.
I sostenitori dei computer quantistici affermano che queste macchine potranno favorire scoperte scientifiche in campi che vanno dalla fisica delle particelle alla progettazione di farmaci e materiali, se solo i loro costruttori riusciranno a far funzionare l’hardware come previsto. Una delle principali sfide finora è stata che i computer quantistici possono memorizzare o manipolare informazioni in modo errato, impedendo loro di eseguire algoritmi sufficientemente lunghi da essere utili.
La strada verso computer quantistici efficienti e scalabili
I computer quantistici codificano i dati utilizzando oggetti che si comportano secondo i principi della meccanica quantistica. In particolare, memorizzano le informazioni non solo come 1 e 0, come fa un computer convenzionale, ma anche in “sovrapposizioni” di 1 e 0. Memorizzare le informazioni sotto forma di queste sovrapposizioni e manipolarne il valore utilizzando interazioni quantistiche come l’entanglement (un modo per le particelle di essere connesse anche a grandi distanze) consente algoritmi completamente nuovi. Nella pratica, però, gli sviluppatori di computer quantistici hanno scoperto che gli errori si accumulano rapidamente perché i componenti sono così sensibili. Un computer quantistico rappresenta 1, 0 o una sovrapposizione ponendo uno dei suoi componenti in uno stato fisico particolare, ed è troppo facile alterare accidentalmente quegli stati. Un componente finisce così in uno stato fisico che non corrisponde all’informazione che dovrebbe rappresentare. Questi errori si accumulano nel tempo, il che significa che il computer quantistico non può fornire risposte accurate per lunghi algoritmi senza la correzione degli errori.
Google e IBM: approcci diversi alla correzione degli errori
Per eseguire la correzione degli errori, i ricercatori devono codificare le informazioni nel computer quantistico in un modo distintivo. I computer quantistici sono costituiti da componenti individuali noti come qubit fisici, che possono essere realizzati con diversi materiali, come singoli atomi o ioni. Nel caso di Google, ogni qubit fisico consiste in un minuscolo circuito superconduttore che deve essere mantenuto a temperature estremamente basse. Gli esperimenti iniziali sui computer quantistici memorizzavano ogni unità di informazione in un singolo qubit fisico. Ora i ricercatori, incluso il team di Google, hanno iniziato a sperimentare la codifica di ogni unità di informazione in più qubit fisici. Si riferiscono a questa costellazione di qubit fisici come un singolo qubit “logico”, che può rappresentare 1, 0 o una sovrapposizione dei due.
Per progettazione, il singolo qubit “logico” può mantenere un’unità di informazione più robustamente di quanto possa fare un singolo qubit “fisico”. Il team di Google corregge gli errori nel qubit logico utilizzando un algoritmo noto come codice di superficie, che sfrutta i qubit fisici costituenti del qubit logico.
Un qubit logico da 105 qubit fisici sopprime gli errori meglio di uno da 72 qubit
Nel nuovo lavoro, Google ha realizzato un singolo qubit logico composto da un numero variabile di qubit fisici. Crucialmente, i ricercatori hanno dimostrato che un qubit logico composto da 105 qubit fisici sopprimeva gli errori più efficacemente di un qubit logico composto da 72 qubit. Ciò suggerisce che mettere insieme un numero crescente di qubit fisici in un qubit logico “può davvero sopprimere gli errori”, afferma Brown. Questo traccia un potenziale percorso per costruire un computer quantistico con un tasso di errore sufficientemente basso da eseguire un algoritmo utile, anche se i ricercatori devono ancora dimostrare di poter mettere insieme più qubit logici e fare il salto di scala a una macchina più grande.
I ricercatori riferiscono anche che la durata del qubit logico supera di un fattore 2,4 quella del suo miglior qubit fisico costituente. In altre parole, il lavoro di Google dimostra essenzialmente che può memorizzare dati in una memoria quantistica “affidabile”. Tuttavia, questa dimostrazione è solo un primo passo verso un computer quantistico corretto per gli errori, afferma Jay Gambetta, vicepresidente dell’iniziativa quantistica di IBM. Egli sottolinea che mentre Google ha dimostrato una memoria quantistica più robusta, non ha eseguito alcuna operazione logica sulle informazioni memorizzate in quella memoria. “Alla fine, ciò che conta è: quanto grande si potrebbe fare il circuito quantistico?” dice. “E, si ha un percorso per mostrare come si eseguiranno circuiti quantistici sempre più grandi?”
L’approccio di correzione degli errori di IBM
IBM, i cui computer quantistici sono anch’essi composti da qubit realizzati con circuiti superconduttori, sta adottando un approccio di correzione degli errori diverso da quello del codice di superficie di Google. Ritiene che questo metodo, noto come codice di controllo di parità a bassa densità, sarà più facile da scalare, con ogni qubit logico che richiederà meno qubit fisici per ottenere tassi di soppressione degli errori comparabili. Entro il 2026, IBM intende dimostrare di poter realizzare 12 qubit logici con 244 qubit fisici, afferma Gambetta. Altri ricercatori stanno esplorando altri approcci promettenti. Invece dei circuiti superconduttori, un team affiliato all’azienda di computer quantistici QuEra con sede a Boston utilizza atomi neutri come qubit fisici. All’inizio di quest’anno, ha pubblicato su Nature uno studio che mostrava di aver eseguito algoritmi utilizzando fino a 48 qubit logici realizzati con atomi di rubidio.
Dai qubit fisici ai qubit logici: la sfida dell’affidabilità
Gambetta esorta i ricercatori a essere pazienti e a non esagerare i progressi. “Non voglio solo che il settore pensi che la correzione degli errori sia finita”, afferma. Lo sviluppo dell’hardware semplicemente richiede molto tempo perché il ciclo di progettazione, costruzione e risoluzione dei problemi è lungo, soprattutto rispetto allo sviluppo software. “Non penso che sia unico per il quantistico”, dice.
Per eseguire algoritmi con un’utilità pratica garantita, un computer quantistico deve eseguire circa un miliardo di operazioni logiche, afferma Brown. “E nessuno è ancora vicino a un miliardo di operazioni”, aggiunge. Un altro traguardo sarebbe creare un computer quantistico con 100 qubit logici, un obiettivo che QuEra si è posta per il 2026. Un computer quantistico di quelle dimensioni sarebbe in grado di simulazioni al di là della portata dei computer classici. Gli scienziati di Google hanno realizzato un singolo qubit logico di alta qualità, ma il passo successivo è dimostrare di poter effettivamente fare qualcosa con esso.
Una volta raggiunte dimensioni sufficienti, i computer quantistici potranno eseguire simulazioni al di là dei limiti dei computer classici, aprendo la strada a nuove scoperte in campi come la progettazione di materiali, l’ottimizzazione e la crittografia.
